大模型进入 RL 下半场。前段时间，OpenAI Agent Reseacher 姚顺雨的博客文章《The second half》掀起热议，从「模型算法」到「实际效用」，如何重新定义问题和设计真实用例的 evaluation 变得尤为重要。
从评测基准到实际应用效果，现有的评估体系怎样有效衡量 Agent 产品的 ROI？对于创企、希望应用 AI 的企业来说，如何用好模型的测评结果来指导产品的开发落地？
Superclue 在模型测评领域有着深厚的经验，与国内外众多模型及 Agent 团队保持着紧密的联系与交流。Superclue 近期推出了中文通用 AI 智能体的测评基准 AgentCLUE-General，对主流的 Agent 产品能力进行了深度剖析。
我们特别邀请到 SuperCLUE 的联合创始人朱雷，一起聊聊当前大模型、Agent 评估中的核心难题。
-
AI 下半场，大模型的 Evaluation 为什么很重要？
-
Manus、Fellou、Genspark，通用 Agent 能力上有何差异？
-
企业落地 Agent 时，应该关注哪些指标？为什么？
下周四（5 月 15 日），20 点 – 22 点，线上分享。名额有限，扫描下方海报二维码报名。
（文：Founder Park）